一、强化电力设备运行状态技术评价提高技术监督实时性（论文文献综述）
王佳宁[1]（2021）在《基于增强现实技术的变电站作业风险管控研究与实现》文中研究说明本文针对当前变电站作业存在的风险,设计并构建了基于增强现实技术的变电站作业风险管控系统,即利用增强现实技术,以AR头显为媒介实现对变电站作业的操作指引、行为监督、远程协助、人员轨迹定位等功能。并考虑了增强现实技术必须适应变电站作业的一些特别要求,改进和优化了增强现实技术里的三维注册技术、虚实融合技术,使其具有更加实时、更加精确的特性。此外对本文设计系统中应用到的非常重要的室内无线定位技术在当前一些研究的基础上加以改进和提高。进而以上述研究为基础构建了本文研究的系统,并在实践中证明了本文设计的基于增强现实技术的变电站作业风险管控系统能够实现变电站作业的安全可靠性的提高,降低了作业安全隐患。本文进行的研究工作主要包括以下几点:首先,针对增强现实技术的三维注册过程中可能出现的时延时间长和易出现错误注册结果以及变电站作业的安全性和实时性要求,提出了基于ORB-Tanimoto的三维注册方法,即采用基于ORB识别和匹配特征的三维注册方法,然后将其与Tanimoto相似度算法相结合,进一步提高匹配精确度。其次,针对虚实遮挡过程中易出现的错误遮挡关系问题,本文提出了结合语义分割技术的虚实融合方法,即在基于图像分析轮廓提取的虚实遮挡方法的基础上,结合语义分割技术,提高虚实遮挡的准确性,进而提高虚实融合结果的质量。再次,为了满足本文设计系统的要求,本文提出了基于深度学习的Wi Fi-UWB室内无线定位方法,即在Wi-Fi指纹无线定位的离线阶段采用UWB技术建立离线数据库以节省时间提高定位效率,然后将数据用深度神经网络加以训练,最后得到模型。最后,本文以上述三个方法和计算机技术以及变电站环境和数据为基础,设计并构建了基于增强现实技术的变电站作业风险管控系统并在实验场所测试运行。
桂俊华[2]（2021）在《基于风险管理的铁路供电维修安全管理研究》文中提出电气化铁路是我国铁路网的重要组成部分,其畅通运营依赖于持续稳定、可靠的供电设备。为了确保供电设备的持续稳定、可靠运行,则需要开展安全有效的供电设备维修。在供电维修活动中,安全是永恒的主题,基于风险管理的安全管理为供电维修安全提供了重要保障。风险管理是一种建立在风险控制理论基础上,具有系统化管理特征的科学管理方式,在2012年我国铁路全面推行风险管理后,历经多年发展已成为铁路供电维修安全管理的主要方法。通过对风险管理在铁路供电维修安全管理中的应用情况进行研究,对供电维修安全风险进行全面识别、评估及控制,对提升铁路供电维修安全管理水平,确保维修管理及作业组织过程安全有序具有重要作用。论文通过调研某供电段铁路供电维修安全管理现状,对供电维修管理及作业组织的所有环节进行梳理,通过工作危害识别等方法识别供电维修作业各个环节危害,运用头脑风暴法、风险矩阵评价方法开展风险评估,依据ALARP接受准则确定需要控制的危害,利用风险控制理论针对每一危害制定相适应的“人防”、“物防”或“技防”措施以控制风险,并采取定期评价的方式监督风险控制效果以不断提升铁路供电维修安全管理,对有效控制供电维修组织及其管理过程中的风险具有积极作用,对其他铁路供电设备管理单位开展设备维修安全管理具有一定的借鉴意义。
林本丰[3]（2021）在《基于深度学习的变电所人机状态监测系统》文中提出随着我国通信技术的高速发展以及5G网络的快速普及,物联网技术在城市化建设中扮演着愈发重要的角色。将数据挖掘技术以及人工智能算法融合于物联网技术,完成物联网数据的智能化应用,更是物联网技术的发展趋势。电力设施作为城市建设中必不可少的组成单元,为城市化发展提供电力支撑。在电力设施发生故障时,需要运维人员对设备进行检测维修,而运维人员是否在配备标准化以及流程标准化等状态下执行运维工作,则会直接影响运维工作效率与人员安全。对此,本文以电柜设备与运维人员为研究对象,为提高传统设备维保方式中人工巡检的维保效率,设计了基于深度学习的变电所物联网平台。主要针对电柜开关运行状态与运维人员装备状态监测两个应用场景,分别研究了融合LSD（Line Segment Detector）与深度学习的设备运行状态监测算法与优化深度学习的人员装备状态监测算法。主要研究内容与创新点如下:（1）为满足电力设施运行状态与运维人员装备状态的智能化监测需求,本文通过集成人工智能模型与算法,设计了面向深度学习的变电所物联网平台。结合电力设施环境特点,分析了基于图像的人机监测算法的难点,完成多类目标检测算法的检测实时性与精确度比较。（2）针对工业复杂环境下设备维保成本高、视觉检测落地周期长等问题,根据建筑信息模型（BIM,Building Information Modeling）具有与现实场景空间一致以及可以模拟各类光照条件等优点,提出一种在BIM环境下融合LSD直线检测与深度学习的设备开关状态检测方法。使用LSD算法快速检测电柜开关目标生成图像数据集,解决了深度学习图像数据难以快速生成的问题,再将图像数据集输入到卷积神经网络,训练得到电柜开关状态目标检测模型,实现了电力设施工作状态的智能化监测,并解决了传统目标检测模型无法兼备精确性与实时性的问题。实验表明融合LSD算法的深度学习目标检测模型对真实环境下电柜设备运行状态监测具有良好适应性。（3）针对运维人员装备标准化监测问题,本文研究并提出基于优化YOLOv3（You Only Look Once version3）网络的运维人员装备状态监测模型。针对运维人员在监测图像数据中具有成像不一、多人员重叠、设备遮挡、配备服装易混淆等问题,采用DBSCAN聚类算法,强化了神经网络对困难样本的训练能力。针对易混淆服装配备情况,引入Focal Loss损失函数替代Sigmod函数,优化了深度学习模型目标检测能力,实现对人员装备状态的智能化监测。本文设计了基于深度学习的变电所人机状态监测系统,实现了对电柜开关状态以及运维人员标准化配备状态的实时监测,提高了电力设施维保效率,保障了运维人员安全,能够进一步推广到其他设备及人员状态智能监测领域。
张冰纯[4]（2021）在《徐州市区配电网状态检修模式及其关键技术研究》文中研究表明随着我国智能电网、泛在电力物联网、全球能源互联网、综合能源系统等一系列发展战略的推进和实施,未来的电力系统将更加智能化,电力设备维修方式也从传统预防维修向状态检修快速转变。徐州市区配电网随着城市规模的快速扩大也在不断发展,目前已涵盖10k V、110k V及部分220k V电压等级。市区配网直接面向大量且集中的电力用户,其运行的安全可靠性更加关乎用户体验和城市用电。本文结合作者工作实际,针对徐州市区配电网状态检修模式及其关键技术,主要进行了以下研究工作:1、基于第一手调研资料,全面分析了徐州市区配电网2017年至2019年的状态检修工作开展的实际情况,对事后维修、预防维修和状态检修的比例,按年度进行了量化对比。对比分析结果表明,随着状态检修比例的增加,事后维修的比例相应降低,而预防维修的占比依然维持在75%多的高位。这不仅说明了状态检修的有效性,同时也表明继续推进状态检修的必要性及其巨大的提升空间。2、从数据采集和传输的连续性、实时性角度,全面分析了支撑状态检修模式的状态监测技术。具体包括:油浸变压器类油中溶解气体分析,各类局部放电检测,红外成像与新型温度检测,避雷器全电流等电流型状态数据检测,铁芯振动和断路器开关特性等机械特性检测,输电线路故障测距与定位,变电站机器人巡检,架空输电线路无人机巡检等。同时,对状态监测海量数据的管理及检修管理方式的革新等进行了初步的探讨。3、选取分析了徐州市区配电网开展状态检修工作以来的部分典型故障案例,如:输电线路跳闸的故障测距+视频监测分析,便携式红外成像技术结合comsol温度场仿真对避雷器发热故障的相互印证和诊断,变压器溶解气体分析和局部放电检测发现故障案例,气体绝缘组合开关设备的特高频局放检测和超声波定位相结合发现缺陷案例、断路器红外+紫外成像检测案例等;最后对状态检修模式的技术、经济、社会效益进行初步评价。本文研究结果表明,尽管徐州市区配网状态检修的占比不到25%,但是已经取得了初步的技术、经济和社会综合效益;未来继续开展状态检修不仅必要,而且提升空间很大。这对于徐州配网状态检修模式的发展具有积极的参考价值。该论文有图47幅,表9个,参考文献86篇。
徐安馨[5]（2021）在《基于场景分类识别的电网气象灾害预警方法》文中指出电网是与国民经济和国家安全息息相关的重要基础设施,电力系统的安全稳定运行是维持社会正常秩序的前提条件。现代电网规模庞大、结构复杂,电力设备大多直接暴露在外部环境之中。近些年来,全球变暖、环境破坏问题日益突出,各类突发性、极端性气象灾害频发,气候变化、气象灾害给电网安全稳定运行带来的影响日益突出。为了应对气象灾害对电网的冲击,需要提高电网面对气象灾害的预警能力,将侧重于事中或事后的应对策略向事前预警转变。目前大多数事前预警主要针对灾害形成后,即将引发电网事故的紧急时刻,给决策者预留的时间很短,可能会因错过最佳决策时机而带来损失。本文对气象灾害与电网故障的耦合关系进行研究,提出一种基于场景分类识别的电网气象灾害预警方法。以气象原始数据、电网历史数据和相关环境数据为基础,利用灾害场景识别建立三类因子的特征提取模型,并结合故障信息形成多因素复合的电网气象灾害预警模型,通过深度自编码网络对输入特征的学习能力,提取各类因素的抽象特征,在将三类因素的场景特征组合形成新的特征向量,用来训练针对小样本集的SVM模型,实现气象灾害下电网故障的预测预警。首先,本文针对气象因素多维复杂、不同场景下主导因素不一的特点,综合主客观赋权方法的优点,并根据因子实时状态对组合权重进行动态修正。基于实际工程经验确定气象因子的重要性序列关系,利用G1法将专家评价进行量化,得到气象因子的主观权重。根据历史数据构造气象因子初始评价矩阵,用熵权法确定气象因子客观权重,并根据各因子的实际状态分级确定的其状态权重,用状态权重对客观权重进行动态修正。依据最小信息熵原理对主观权重和动态客观权重进行组合,得到气象因子动态组合权重。其次,提出结合场景分类识别和深度收缩自编码网络的致灾因子特征提取方法。针对电网气象灾害致灾因子来源多样、种类繁多、耦合复杂的特点,将气象因子动态赋权方法和深度自编码网络相结合,通过构建统一场景识别分类器来对致灾因子特征进行针对性提取。自编码网络可以通过网络参数的多重组合建立各类因子内部的耦合关系,场景识别分类器可以通过统一的灾害场景建立气象灾害下三类因子之间的关联关系,实现相应灾害场景下对各类因子抽象特征的有效提取。然后,通过电网故障信息建立电网气象灾害故障关联样本,分别利用已精调好的深度自编码网络,对样本中三类致灾因子进行特征提取,以电网故障信息为基础综合三个子网络提取的抽象特征,以SVM来训练一个复合的电网故障预测模型,建立三类致灾因子与电网故障之间的关联映射关系,实现相应场景下对电网故障的预测。最后,本文利用气象原始数据和电网历史故障数据等在MATLAB软件平台对本文方法进行了仿真验证。算例分析表明,本文提出的基于场景分类识别的电网气象灾害预警方法能够更好提取气象灾害下各类因子的抽象特征,更准确的对电网故障进行识别和预测,能够准确、全面的建立三类致灾因子与电网故障间的关联关系,对给定的因子条件下可能引发的电网故障类型作出正确预测,为提高电网气象灾害事前预警能力奠定基础。
胡宪[6]（2021）在《特高压直流换流站设备故障预警系统》文中认为在国家智能电网建设的背景下,特高压直流换流站作为远距离输电的重要组成部分,需要更加智能的设备运维方案。故障预警作为智能运维的一个重要分支,能够根据已有信息及时预测设备在未来时间段内的潜在故障,辅助管理人员提前定位系统不稳定因素并加以干预,避免系统出现故障从而造成损失。本文从国内某特高压直流换流站实际场景出发,针对该换流站当前的设备运维现状开展电力设备故障预警系统关键技术的研究以及应用实现。本文的主要研究内容如下。（1）从换流站工业现场的生产情况出发,研究了站内电力设备按场区分布的现状和不同监控系统在现场的部署情况。针对当前设备运维管理过程中存在的问题,分析其关于故障预警系统的需求,提出了一种云边结合的故障预警系统框架,包括数据集成层、边缘预测层、云端报警层和人机交互层。（2）在故障预警系统边缘端,提出了一种基于数据共享的电力设备参数时序预测方法。依据现场设备分布构建了边缘节点网络模型,采用“发送者-接收者”模式,实现了基于边缘端节点网络数据共享的设备参数预测。其中,发送者利用自编码器提取节点的关键信息,接收者利用多粒度时序预测模型配合特征工程综合其它节点的编码信息,实现设备参数时序预测,并将结果传送到云端。（3）在故障预警系统云端部分,提出了 一种基于模糊神经网络的电力设备故障报警生成方案。对设备参数预测值设计隶属度函数,再根据现有的专家规则确定模糊神经网络的结构,最终通过分类算法完成设备故障的分类。与此同时,提出了基于在线学习的RBF神经网络误报过滤器,通过在线学习算法对用户反馈的误报样本进行自适应学习并智能过滤误报信息。（4）以国家电网某换流站为应用背景,设计并开发了一套换流站设备故障预警系统软件。首先以故障预警分层模型为基础,提出了故障预警系统的总体设计框架和功能模块的整体规划;接着分别介绍了系统开发中的数据库设计、技术框架选用、模块业务逻辑等各方面内容;最后展示了故障预警系统的功能和测试结果,验证了其有效性和实用性。
白杨[7]（2021）在《基于JAVA的电力公司安监管理系统的设计与实现》文中研究表明21世纪以来,我国电力系统的体制改革和市场化呈现出了新的发展趋势,电力系统安全运行面临着巨大的压力,作为安全管理的重要手段安全监督管理系统在各电压等级电网运行维护中具有重要的作用,当前电力安全监督体系的发展再信息化管理上需要再完善、再优化,因此需要开发一套电力公司安监管理系统来优化当前的电力安监管理模式,提升电力安监管理水平。运用SAAS技术构建电力公司安监管理系统,实现电力公司各种安监管理与运营保障信息内容完整、合理和维护成本可控。论文的主要内容包括以下几部分:1、本文以电力公司电网、人员和设备安监管理为应用基础,分析电力公司安监管理的背景和意义,分析国内外研究现状,确定主要内容、方向以及论文的整体结构;2、安监管理系统建设的需求分析主要从用户角色、管理功能需要、安全性和数据流等方面着手,管理系统的主要功能需求包括安全统计分析功能、安全隐患管理功能、安全监督管理功能和班组安全建设功能等方面;并对安监管理系统的各个业务流程进行了详细的分析。3、运用SAAS技术实现电力公司安监管理系统设计,主要对系统架构、系统网络、安全保障、接口以及功能模块进行了详细设计;分析了系统内部各数据之间的关系和联通,选取的架构是B/S架构,选区的开发技术是JAVA,采用的数据库是SQL Server 2018,流程推进的涉及过程采用通过节点驱动控制;4、以流程为核心,对系统各个功能模块如何实现和完成进行了必要的详细介绍;5、通过搭建和部署电力公司安监管理系统,从功能和性能出发,在两个维度开展了测试,对系统效果进行全方位评估,最终验证了本文设计的系统可满足电力用户在安全管理方面的基本使用需求。总之,该电力公司安监管理系统的实现及可以使电力公司安全管理精益化水平得到提高,规范性得到加强、降低电网运行管理风险,为同类安监管理系统设计提供一定的参考。
杨知易[8]（2021）在《基于PHP的电力检修管理系统设计与实现》文中认为电力检修管理系统可以对电力公司内部的设备进行日常管理,对设备的日常运行检修报废等情况进行综合管理,及时的掌控电力公司内部所有电力设备的运行及损耗情况,设备进行维护或更换期间,及时地用备用设备顶替原来的设备,避免因为停机对电力公司造成经济损失,因此从电力公司的角度出发,电力设备的管理是电力公司日常检修管理的一项重要工作内容。本论文对电力检修管理信息进行了详细的设计与实现,首先基于电力公司的电力检修管理现状进行对应的系统开发背景及意义的分析,分析当前电力公司电力检修管理所遇到的问题及提出解决的办法,详细调研一线工作人员对电力检修管理系统的需求,并提出系统的设计目标,对电力系统开发所用到的各项技术进行详细的分析,其次对电力检修管理系统进行对应的需求分析,需求分析的内容,主要包括三个方面分别是电力检修管理系统的可行性分析,系统的功能分析以及系统的非功能性需求分析。然后对电力检修管理系统的架构进行详细的设计,具体包括系统的设计原则、功能架构以及系统的流程设计。接着研究了在电力检修管理系统设计与实现的过程中的4个功能模块的设计与实现,分别是汇总检修计划功能模块、人工调整功能模块、运行工作中心功能模块及用户管理功能模块,并对系统数据库进行设计实现,完成了系统的设计之后,对系统的实现进行对应的分析,并给出关键的功能代码,最后编写详细的测试用例对系统的各个功能模块进行详细的分析,验证系统实现的功能是否达到了最初的预计目标,并对测试过程当中发现的问题进行及时的整理,并改进确保系统所设计实现的功能。借助本论文所设计的电力检修管理系统,电力公司可以分阶段和分地区对整个电网进行计划内的检修,从而使整个电网检修计划更加合理和安全,极大的提高电力公司内部对电力检修管理的工作效率,很大程度减少了出错的几率。
唐文虎,牛哲文,赵柏宁,季天瑶,李梦诗,吴青华[9]（2020）在《数据驱动的人工智能技术在电力设备状态分析中的研究与应用》文中研究表明电力设备作为电力系统的基本要素,其运行状态对电网的安全经济运行有直接影响。随着电力物联网的建设和智能传感器技术的不断发展,电力设备运行状态的相关信息呈现出多源、异构的数据特征。研究以海量多源异构数据为驱动的基于人工智能技术的设备状态分析方法,对于全面、及时、准确地掌握电力设备运行状态及其发展趋势有重要意义。论文首先介绍了基于数据驱动的新一代人工智能技术;然后,以当前电力设备状态数据所呈现的海量、多源异构的特性为出发点,针对图像、文本、时序这3种数据类型综述了基于人工智能的电力设备状态特征提取技术;其次,通过研究当前电力设备状态分析的总体需求,总结和讨论了数据驱动的人工智能技术在电力设备智能巡检、故障诊断、状态预测等典型业务场景中的应用研究现状;最后,探讨了现阶段数据驱动的人工智能技术在电力设备状态分析中面临的挑战性问题,并对相关技术的发展趋势进行了展望。
张进进[10]（2020）在《基于SDN的电力通信网QoS技术研究》文中提出随着电力通信网的扩张,其网络架构日益复杂、管理困难;海量智能终端设备接入以及电力业务趋于IP化,导致电力通信网承载压力变大,使其难以保障电力业务的服务质量（Quality of Service,Qo S）,进而影响电网的安全稳定运行。软件定义网络（Software Defined Network,SDN）将传统网络设备的数据转发和逻辑控制功能解耦,通过集中控制特性,能够感知全局网络拓扑结构及通信资源使用情况,具有合理分配带宽、灵活调度业务、改善Qo S的功能。本文引入SDN技术,从路由选择和队列调度两个方面研究提高电力通信网可靠传输的Qo S技术,主要包括以下内容:（1）分析基于SDN的电力通信网络架构特点、电力业务特性及其通信指标要求,划分业务类型及优先级。在此基础上提出电力通信网Qo S控制的总体方案。（2）扩展SDN控制器,提出电力通信网的Qo S路由策略。针对电网的生产控制类业务,以链路时延、链路可用带宽以及链路丢包率为约束条件建立路由模型,采用拉格朗日松弛聚合代价（Lagrange Relaxation Based Aggregated Cost,LARAC）算法进行路径选择,并且根据SDN收集的实时状态参数,监测网络中的电力业务传输,对不满足约束条件的业务进行重路由。针对企业的日常管理类业务,采用基于带宽的迪杰斯特拉（Dijkstra）路由算法选择路径。仿真结果表明,该策略能够为电力业务选择可靠的传输路径。（3）通过SDN的可编程接口,提出电力通信网的队列调度策略。采用Linux流量控制的优先级和分层令牌桶（Hierarchical Token Bucket,HTB）在SDN中实现两级调度。不同类型电力业务采用优先级调度,相同类型电力业务共享带宽,并且以队列长度、电力业务重要度以及Qo S满足度调整共享带宽比例。仿真结果表明,该策略能够显着降低高优先级电力业务的时延以及同优先级电力业务的丢包率。为了改善电力通信网的Qo S,本文根据SDN特性,从路由选择和队列调度两个方面研究电力通信网的Qo S技术。仿真结果表明所提策略提高了电力通信网的Qo S,通过动态调节带宽,降低了电力业务的端到端时延及丢包率。
二、强化电力设备运行状态技术评价提高技术监督实时性（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、强化电力设备运行状态技术评价提高技术监督实时性（论文提纲范文）
（1）基于增强现实技术的变电站作业风险管控研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 增强现实技术 |
| 1.2.1 增强现实实现原理 |
| 1.2.2 增强现实关键问题 |
| 1.2.3 增强现实关键技术 |
| 1.3 国内外研究现状 |
| 1.4 论文研究内容及论文结构 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文结构 |
| 第2章 增强现实技术关键方法研究 |
| 2.1 基于ORB-Tanimoto的三维注册方法研究 |
| 2.1.1 三维注册技术简介 |
| 2.1.2 ORB算法 |
| 2.1.3 Tanimoto相似度测量法 |
| 2.1.4 基于ORB-Tanimoto的三维注册方法 |
| 2.2 结合语义分割技术的虚实融合方法研究 |
| 2.2.1 虚实融合技术简介 |
| 2.2.2 语义分割技术 |
| 2.2.3 结合语义分割技术的虚实融合方法 |
| 2.3 本章小结 |
| 第3章 基于深度学习的室内无线定位方法研究 |
| 3.1 Wi-Fi指纹无线定位和UWB定位技术 |
| 3.2 深度神经网络(DNN) |
| 3.3 基于深度学习的室内无线定位方法 |
| 3.4 本章小结 |
| 第4章 系统设计与实现 |
| 4.1 系统分析 |
| 4.2 系统目标及功能 |
| 4.3 系统设计原则 |
| 4.4 系统详细设计 |
| 4.4.1 数据和管理服务器设计 |
| 4.4.2 信号无线传输设计 |
| 4.4.3 移动端设计 |
| 4.4.4 作业终端设计 |
| 4.5 系统实现 |
| 4.5.1 数据和管理服务器实现 |
| 4.5.2 作业终端系统实现 |
| 4.6 系统测试 |
| 4.6.1 变电站巡检作业 |
| 4.6.2 变电站倒闸作业 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（2）基于风险管理的铁路供电维修安全管理研究（论文提纲范文）
| 致 谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 我国铁路安全风险管理 |
| 1.4 论文的研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 2 安全风险管理理论 |
| 2.1 风险管理概念 |
| 2.2 事故致因理论的发展 |
| 2.2.1 单因素事故致因理论 |
| 2.2.2 事故因果连锁理论 |
| 2.2.3“流行病学”理论 |
| 2.2.4 系统理论 |
| 2.3 风险管理过程 |
| 2.4 风险管理理论 |
| 2.4.1 风险识别技术 |
| 2.4.2 风险分析及评价方法 |
| 2.4.3 风险应对方法 |
| 2.4.4 风险监督方法 |
| 2.5 本章小结 |
| 3 铁路供电维修概述 |
| 3.1 铁路供电维修作业组织 |
| 3.2 铁路供电维修作业内容 |
| 3.2.1 铁路供电维修的基本形式 |
| 3.2.2 铁路供电设备检测监测内容 |
| 3.2.3 铁路供电设备维修内容 |
| 3.3 本章小结 |
| 4 铁路供电维修安全管理 |
| 4.1 铁路供电维修安全管理范围 |
| 4.1.1 铁路供电维修业务范围 |
| 4.1.2 铁路供电维修业务管理 |
| 4.1.3 铁路供电维修安全管理范围 |
| 4.2 铁路供电维修危害识别 |
| 4.2.1 铁路供电维修危害识别方法 |
| 4.2.2 铁路供电设备检测监测作业危害 |
| 4.2.3 铁路供电设备维修作业危害 |
| 4.3 铁路供电维修风险评估 |
| 4.3.1 铁路供电维修安全风险评价模型 |
| 4.3.2 铁路供电维修风险接受准则 |
| 4.3.3 铁路供电维修安全风险分析和评价 |
| 4.4 铁路供电维修风险应对 |
| 4.4.1 铁路供电维修风险应对原则 |
| 4.4.2 铁路供电维修安全风险应对措施 |
| 4.5 铁路供电维修风险监控 |
| 4.5.1 供电维修安全风险监控方法 |
| 4.5.2 铁路供电维修安全风险管理改进 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 总结和结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A 供电设备检测监测作业、天窗内作业、天窗作业风险控制表 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（3）基于深度学习的变电所人机状态监测系统（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 电力设施与运维人员状态监测研究现状 |
| 1.2.1 电力设施运行状态监测研究现状 |
| 1.2.2 运维人员工作状态监测研究现状 |
| 1.3 目标检测技术及电力设施物联网平台研究现状 |
| 1.3.1 目标检测技术研究现状 |
| 1.3.2 物联网平台研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 面向人机状态监测的电力设施物联网平台架构设计 |
| 2.1 电力设施人机状态监测需求分析 |
| 2.1.1 电力设施管理需求 |
| 2.1.2 电力设施的状态监测需求 |
| 2.1.3 电力设施运维人员的装备状态监测需求 |
| 2.1.4 小结 |
| 2.2 基于人工智能的电力设施物联网平台架构设计 |
| 2.3 基于人工智能的人机状态监测算法 |
| 2.3.1 人机状态机器视觉检测难点 |
| 2.3.2 不同目标检测算法对比分析 |
| 2.4 本章小结 |
| 第三章 融合LSD算法与深度学习的变电所设备运行状态监测 |
| 3.1 电柜开关设备状态检测方案设计 |
| 3.2 基于电柜设备开关边沿特征的直线检测算法 |
| 3.3 基于深度学习的设备运行状态监测方法 |
| 3.4 实验结果与分析 |
| 3.4.1 电柜开关快速框定实验及分析 |
| 3.4.2 开关运行状态检测实验及分析 |
| 3.5 本章小结 |
| 第四章 基于改进YOLOv3的运维人员装备状态监测 |
| 4.1 运维人员装备状态监测难点 |
| 4.2 YOLOv3原始网络模型 |
| 4.3 基于聚类算法与损失函数改进的深度学习算法优化 |
| 4.3.1 Anchor Box目标框聚类算法优化 |
| 4.3.2 损失函数优化 |
| 4.4 实验结果与分析 |
| 4.4.1 实验环境及参数设置 |
| 4.4.2 人员配备模型训练数值变化及分析 |
| 4.4.3 人员配备情况检测效果对比 |
| 4.5 本章小结 |
| 第五章 电力设施人机状态监测系统设计与实现 |
| 5.1 总体方案设计 |
| 5.1.1 深度学习算法及框架选型 |
| 5.1.2 数据库选型 |
| 5.1.3 前端设计方案 |
| 5.1.4 后端设计方案 |
| 5.2 设计具体实现 |
| 5.2.1 系统架构 |
| 5.2.2 软件各模块功能 |
| 5.2.3 算法程序调用 |
| 5.2.4 界面设计与实现 |
| 5.2.5 系统运行结果 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录: 作者在攻读硕士学位期间发表的论文 |
（4）徐州市区配电网状态检修模式及其关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 状态检修的基本内涵和要求 |
| 1.2 状态检修的国内外研究和发展现状 |
| 1.3 徐州市区配电网状态检修开展状况 |
| 1.4 论文主要研究工作 |
| 2 徐州市区配电网设备检修状况 |
| 2.1 徐州市区配电设备现状 |
| 2.2 设备维修的主要方式 |
| 2.3 徐州市配电网提升状态检修水平的思路 |
| 2.4 本章小结 |
| 3 状态检修的关键技术 |
| 3.1 油中溶解气体分析 |
| 3.2 局部放电检测 |
| 3.3 红外成像与新型温度检测技术 |
| 3.4 电流型状态数据检测 |
| 3.5 机械特性检测 |
| 3.6 输电线路故障测距与定位技术 |
| 3.7 变电站机器人巡检 |
| 3.8 无人机巡检及其在徐州电网的应用 |
| 3.9 状态监测海量数据和故障事件的管理 |
| 3.10 本章小结 |
| 4 状态检修工程应用案例 |
| 4.1 架空线路故障测距+视频监测跳闸事故分析 |
| 4.2 便携式红外成像技术+温度场仿真诊断避雷器故障案例 |
| 4.3 变压器局部放电检测案例 |
| 4.4 断路器红外+紫外成像检测案例 |
| 4.5 变压器DGA检测案例 |
| 4.6 GIS局放检测+超声波定位发现缺陷案例 |
| 4.7 无人机巡检案例 |
| 4.8 状态检修的经济、管理与社会效益分析 |
| 4.9 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）基于场景分类识别的电网气象灾害预警方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气象因素对电网的影响研究 |
| 1.2.2 电网故障预警方法 |
| 1.2.3 人工智能在电网故障诊断领域的应用 |
| 1.3 本文的主要工作 |
| 第二章 电网气象灾害致灾因子分析与处理 |
| 2.1 电网气象灾害概述 |
| 2.1.1 气象因素对电力系统的影响 |
| 2.1.2 影响电网的主要气象灾害类型 |
| 2.2 电网气象灾害要素分析 |
| 2.2.1 气象因子 |
| 2.2.2 设备因子 |
| 2.2.3 环境因子 |
| 2.3 气象致灾因子动态初始权重确定 |
| 2.3.1 致灾因子组合赋权方法 |
| 2.3.2 基于致灾因子状态的动态权重调整方法 |
| 2.4 算例仿真 |
| 2.4.1 组合权重计算 |
| 2.4.2 动态权重计算 |
| 2.5 本章小结 |
| 第三章 基于场景分类识别的致灾因子特征提取方法 |
| 3.1 神经网络概述 |
| 3.2 改进收缩自编码器原理 |
| 3.2.1 自编码器 |
| 3.2.2 稀疏自编码器 |
| 3.2.3 收缩自编码器及改进方法研究 |
| 3.3 基于场景分类识别的致灾因子特征提取方法 |
| 3.3.1 基于深度改进收缩自编码网络的特征提取方法 |
| 3.3.2 场景识别分类器构造 |
| 3.3.3 基于场景分类识别的致灾因子特征提取方法 |
| 3.4 电网气象灾害致灾因子特征提取模型 |
| 3.5 算例仿真 |
| 3.5.1 网络层数对模型效果的影响 |
| 3.5.2 改进收缩自编码器参数确定 |
| 3.5.3 特征提取可视化分析 |
| 3.5.4 初始权重对模型效果的影响 |
| 3.6 本章小结 |
| 第四章 基于场景特征的电网气象灾害预警方法 |
| 4.1 数据预处理 |
| 4.1.1 数据筛选及样本匹配 |
| 4.1.2 故障类型及标签确定 |
| 4.1.3 数据归一化处理 |
| 4.2 基于场景特征的电网气象灾害预警方法 |
| 4.2.1 场景特征与电网故障关联映射方法 |
| 4.2.2 电网气象灾害预警等级确定 |
| 4.2.3 电网气象灾害预警体系构建 |
| 4.3 算例仿真 |
| 4.3.1 模型输出结果分析 |
| 4.3.2 训练样本数量对模型效果的影响 |
| 4.3.3 模型效果对比验证 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所发表的论文及参与的项目 |
| 学位论文评阅及答辩情况表 |
（6）特高压直流换流站设备故障预警系统（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备故障预警研究现状 |
| 1.2.2 时序预测在故障预警中的研究现状 |
| 1.2.3 电力设备状态评估与报警研究现状 |
| 1.3 本文主要内容及组织架构 |
| 1.4 本文主要创新点 |
| 1.5 本章小结 |
| 2 换流站故障预警系统框架构建 |
| 2.1 特高压直流换流站组成及工作方式 |
| 2.1.1 换流站场区分布及主要设备 |
| 2.1.2 现有设备状态监控系统 |
| 2.2 存在问题与需求分析 |
| 2.3 针对换流站的故障预警框架构建 |
| 2.3.1 “云端”+“边缘端”预测框架 |
| 2.3.2 层级结构及关键技术分析 |
| 2.4 本章小结 |
| 3 边缘端基于数据共享的电力设备参数预测 |
| 3.1 引言 |
| 3.2 基于LSTM和Seq2Seq的多粒度时序预测模型 |
| 3.2.1 预备知识 |
| 3.2.2 多粒度时序预测模型 |
| 3.3 基于数据共享的预测模型 |
| 3.3.1 发送者-接受者模式 |
| 3.3.2 发送节点的关键参数提取 |
| 3.3.3 接收节点的多粒度时序预测 |
| 3.4 实例分析 |
| 3.4.1 实验设计 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 4 云端智能预警信息生成与误报过滤 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.2.1 模糊理论 |
| 4.2.2 在线学习模型 |
| 4.3 针对设备参数的模糊化处理 |
| 4.3.1 隶属度函数 |
| 4.3.2 典型报警类别分析及参数模糊化 |
| 4.4 基于模糊神经网络的故障预警生成模型 |
| 4.4.1 基于专家规则的模糊规则构建 |
| 4.4.2 基于RBF神经网络的在线学习误报过滤机制 |
| 4.5 实例分析 |
| 4.5.1 基于模糊神经网络的故障检测 |
| 4.5.2 基于RBF的在线故障过滤 |
| 4.6 本章小结 |
| 5 特高压直流换流站设备故障预警系统设计与实现 |
| 5.1 设计原则 |
| 5.2 故障预警系统总体框架与系统结构 |
| 5.2.1 故障预警系统软件总体框架 |
| 5.2.2 故障预警系统软件功能模块设计 |
| 5.3 故障预警系统技术实现 |
| 5.3.1 数据库设计 |
| 5.3.2 基于Django的故障预警系统结构 |
| 5.3.3 数据集成与同步模块 |
| 5.3.4 数据预测模块实现 |
| 5.3.5 报警信息生成 |
| 5.4 系统界面展示 |
| 5.4.1 首页展示 |
| 5.4.2 系统报警界面 |
| 5.4.3 历史数据查询界面 |
| 5.4.4 用户帮助界面 |
| 5.5 系统测试 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简历 |
| 攻读学位期间取得的其他研究成果 |
（7）基于JAVA的电力公司安监管理系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文章节安排 |
| 第二章 系统需求分析 |
| 2.1 系统业务简述 |
| 2.2 系统功能需求 |
| 2.2.1 安全统计分析功能 |
| 2.2.2 安全隐患管理功能 |
| 2.2.3 安全监督管控功能 |
| 2.2.4 班组安全建设功能 |
| 2.3 系统非功能需求 |
| 2.4 安全隐患库概述 |
| 2.5 本章小结 |
| 第三章 系统开发相关技术 |
| 3.1 分布式软件架构 |
| 3.2 MVC架构 |
| 3.2.1 MVC技术结构 |
| 3.2.2 MVC逻辑流程 |
| 3.2.3 MVC技术特点 |
| 3.3 Java Web技术 |
| 3.3.1 Java EE平台 |
| 3.3.2 Java开发技术 |
| 3.3.3 JSP开发技术 |
| 3.4 SSM软件模式 |
| 3.4.1 SSM模式结构 |
| 3.4.2 SSM模式原理 |
| 3.4.3 SSM逻辑流程 |
| 3.5 Sql Server数据库 |
| 3.6 本章小结 |
| 第四章 系统设计 |
| 4.1 系统设计原则 |
| 4.2 系统总体设计 |
| 4.2.1 软件模型设计 |
| 4.2.2 功能结构设计 |
| 4.2.3 网络拓扑设计 |
| 4.3 系统功能模块设计 |
| 4.3.1 安全统计分析模块设计 |
| 4.3.2 安全隐患管理模块设计 |
| 4.3.3 安全监督管控模块设计 |
| 4.3.4 班组安全建设模块设计 |
| 4.4 系统数据库设计 |
| 4.4.1 数据库概念结构 |
| 4.4.2 数据表结构 |
| 4.5 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统实现环境 |
| 5.2 系统功能实现 |
| 5.2.1 安全统计分析模块实现 |
| 5.2.2 安全隐患管理模块实现 |
| 5.2.3 安全监督管控模块实现 |
| 5.2.4 班组安全建设模块实现 |
| 5.3 系统测试 |
| 5.3.1 测试环境及方法 |
| 5.3.2 系统功能测试 |
| 5.3.3 系统性能测试 |
| 5.3.4 测试结论 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
（8）基于PHP的电力检修管理系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 国内外的研究现状 |
| 1.3 论文的研究内容 |
| 第二章 系统的开发技术概述 |
| 2.1 系统的架构 |
| 2.2 SQL Server2018 数据库 |
| 2.3 三层体系架构 |
| 2.4 系统开发语言 |
| 2.5 本章小结 |
| 第三章 系统的需求分析 |
| 3.1 电力检修管理系统的现状分析 |
| 3.2 系统的可行性分析 |
| 3.3 系统的功能需求分析 |
| 3.4 系统的非功能性需求分析 |
| 3.5 本章小结 |
| 第四章 电力检修管理系统的详细设计 |
| 4.1 系统的设计原则 |
| 4.2 系统的架构设计 |
| 4.3 系统的流程设计 |
| 4.4 系统功能模块的设计 |
| 4.4.1 汇总检修计划功能模块的设计 |
| 4.4.2 人工调整功能模块的设计 |
| 4.4.3 运行工作中心功能模块的设计 |
| 4.4.4 用户管理功能模块的设计 |
| 4.5 系统数据库的设计 |
| 4.6 系统安全的设计 |
| 4.7 系统接口的设计 |
| 4.8 本章小结 |
| 第五章 电力检修管理系统的实现与测试 |
| 5.1 系统功能模块的实现 |
| 5.1.1 系统登录 |
| 5.1.2 汇总检修计划功能模块 |
| 5.1.3 人工调整模块 |
| 5.1.4 运行工作中心模块 |
| 5.1.5 用户管理模块 |
| 5.2 系统的测试 |
| 5.3 系统的测试过程 |
| 5.4 系统压力测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）数据驱动的人工智能技术在电力设备状态分析中的研究与应用（论文提纲范文）
| 0引言 |
| 1 数据驱动的人工智能技术概述 |
| 1.1 传统机器学习 |
| 1.2 深度学习 |
| 1.3 强化学习 |
| 1.4 迁移学习 |
| 2 数据驱动的人工智能技术在电力设备状态分析中的应用 |
| 2.1 基于人工智能的电力设备状态特征提取技术 |
| 2.1.1 电力设备运维数据的主要来源与特征 |
| 2.1.2 针对电力设备运维状态的文本信息挖掘 |
| 2.1.3 电力设备图像的特征识别 |
| 2.1.4 电力设备时空数据的特征挖掘 |
| 2.2 电力设备状态智能分析的典型应用场景 |
| 2.2.1 基于图像识别的电力设备智能巡检 |
| 2.2.2 基于多模异构数据的电力设备故障智能诊断 |
| 2.2.3 基于深度学习的电力设备运行状态预测 |
| 3 挑战与展望 |
| 3.1 数据集问题 |
| 3.2 数据驱动人工智能技术应用的局限性 |
| 3.2.1 人工智能技术尚缺乏理论层面的支撑 |
| 3.2.2 宏观泛化能力不足 |
| 3.2.3 快速响应问题 |
| 4 结论 |
（10）基于SDN的电力通信网QoS技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力通信网的研究现状 |
| 1.2.2 SDN网络中的Qo S研究现状 |
| 1.3 论文主要工作 |
| 1.4 本章小结 |
| 第2章 基于SDN的电力通信网及Qo S控制总体方案 |
| 2.1 电力通信网 |
| 2.2 SDN技术 |
| 2.2.1 网络架构 |
| 2.2.2 Open Flow交换机 |
| 2.3 基于SDN的电力通信网 |
| 2.4 电力业务分类及常用的QoS模型 |
| 2.4.1 电力业务分类 |
| 2.4.2 常用的QoS模型 |
| 2.5 电力通信网QoS控制的总体方案 |
| 2.6 本章小结 |
| 第3章 基于SDN的电力通信网Qo S路由策略 |
| 3.1 基于SDN的电力通信网Qo S路由设计 |
| 3.2 QoS路由框架的相关模块 |
| 3.2.1 网络拓扑管理 |
| 3.2.2 状态参数收集 |
| 3.2.3 电力业务识别 |
| 3.2.4 全局路由及监测 |
| 3.3 基于LARAC的多约束路由 |
| 3.3.1 建立模型 |
| 3.3.2 算法设计 |
| 3.3.3 算法描述 |
| 3.4 仿真与分析 |
| 3.5 本章小结 |
| 第4章 基于SDN的电力通信网队列调度策略 |
| 4.1 基于SDN的电力通信网队列调度设计 |
| 4.2 队列调度框架的相关模块 |
| 4.2.1 队列调度 |
| 4.2.2 队列解析 |
| 4.2.3 队列配置 |
| 4.2.4 电力业务带宽分配 |
| 4.3 仿真与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、强化电力设备运行状态技术评价提高技术监督实时性（论文参考文献）
- [1]基于增强现实技术的变电站作业风险管控研究与实现[D]. 王佳宁. 长春工业大学, 2021(08)
- [2]基于风险管理的铁路供电维修安全管理研究[D]. 桂俊华. 中国铁道科学研究院, 2021(01)
- [3]基于深度学习的变电所人机状态监测系统[D]. 林本丰. 江南大学, 2021(01)
- [4]徐州市区配电网状态检修模式及其关键技术研究[D]. 张冰纯. 中国矿业大学, 2021
- [5]基于场景分类识别的电网气象灾害预警方法[D]. 徐安馨. 山东大学, 2021(12)
- [6]特高压直流换流站设备故障预警系统[D]. 胡宪. 浙江大学, 2021(01)
- [7]基于JAVA的电力公司安监管理系统的设计与实现[D]. 白杨. 电子科技大学, 2021(01)
- [8]基于PHP的电力检修管理系统设计与实现[D]. 杨知易. 电子科技大学, 2021(01)
- [9]数据驱动的人工智能技术在电力设备状态分析中的研究与应用[J]. 唐文虎,牛哲文,赵柏宁,季天瑶,李梦诗,吴青华. 高电压技术, 2020(09)
- [10]基于SDN的电力通信网QoS技术研究[D]. 张进进. 重庆邮电大学, 2020(02)